AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
基于LLM的多智能体系统实现自动化加密货币投资组合管理
机构 * University College London（伦敦大学学院） ； Nanyang Technological University（南洋理工大学） ； Exponential Science（指数科学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 提出一个三智能体系统（市场、新闻、交易），通过分层、协作和辩论架构融合多模态信号，在2025年回测中实现133.52%累计收益和1.502夏普比率，优于单智能体和深度学习基线。
AMPGAN v3 的非经典抗菌肽智能发现
机构 * University of Vermont（弗吉尼亚大学） ； Larner College of Medicine, University of Vermont（弗吉尼亚大学医学学院） ； Purdue University（普渡大学） ； Department of Comparative Pathobiology（比较病理科部门） ； Department of Horticulture and Landscape Architecture（园艺与景观建筑部门） ； Department of Industrial and Molecular Pharmaceutics（工业与分子药学部门）
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 提出 AMPGAN v3，一种多目标条件 GAN，扩展生成词汇至 D-氨基酸和末端修饰，通过双判别器提升稳定性，体外验证显示对革兰氏阳性菌有活性，并引入 PepCraft 多智能体框架用于端到端发现。
Comments Presented at the GenBio Workshop, ICML 2026
分布式通用智能体网络：架构、关键机制与原型
机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院）
专题命中 多智能体 ：agent(title,abstract)；autonomous agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出分布式通用智能体网络架构，通过协议适配层连接上层任务语义与底层网络操作，解决语义公告传播、可信身份与多主题声誉、语义梯度机制设计三大核心问题，实现开放可信的智能体协作。
从盾牌到靶心：针对基于LLM的智能体护栏的拒绝服务攻击
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 多智能体 ：agent(title,abstract)；autonomous agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文揭示基于LLM的护栏易受拒绝服务攻击，通过束搜索优化框架和机制感知结构变异生成恶意负载，导致令牌放大13-63倍、延迟放大148倍，威胁系统可用性。
从受训者到训练者：用于多智能体推理的LLM设计的强化学习训练环境
机构 * LARK, HKUST (GZ)（香港科技大学（广州）LARK实验室） ； University of Cambridge（剑桥大学） ； HKUST（香港科技大学）
专题命中 多智能体 ：agent(title)；multi-agent(title)；分类 cs.CL
AI总结 提出LLM-as-Environment-Engineer框架，让策略模型自动分析失败轨迹并修改训练环境配置，在MAPF-FrozenLake测试平台上用Qwen3-4B实现最优性能。
LLM 能当 CEO 吗？基于多角色智能体模拟的战略资源重新配置基准测试
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Yale University（耶鲁大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出 CEO-Bench，一个多智能体基准，评估 LLM 在约束丰富的组织环境中进行多轮战略资源重新配置的能力，发现模型在结构有效性上表现良好，但在战略校准上存在系统性失败模式。
Comments 13 pages
GeoDisaster: 用于操作化灾害地理智能的编排智能体基准测试
机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 多智能体 ：agent(abstract)；tool use(abstract)；agentic(abstract)；multi-agent(abstract)
AI总结 提出GeoDisaster基准，包含2921个实例和43种问题类型，用于评估遥感视觉语言模型在工具化空间推理和结构化决策方面的能力，并设计多智能体框架RCEA提升工具使用和证据基础。
Comments 28 pages, 11 Figures
AUTOGATE：基于翻转感知的LLM驱动RTL重写的自动时钟门控
机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； NVIDIA（英伟达）
专题命中 多智能体 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出AUTOGATE框架，通过ML-LLM协同设计将波形翻转迹线转化为紧凑表示，指导LLM进行RTL重写，实现层次化代码库中的时钟门控优化，平均降低动态功耗49.31%。
Comments 9 pages, 6 figures, 7 tables
广义Voronoi区域上的智能体效用及其梯度
机构 * Royal Institute of Technology (KTH)（皇家理工学院（KTH）） ； Aeronautics Institute of Technology（航空技术研究所）
专题命中 多智能体 ：agent(title,abstract)
AI总结 本文通过引入成本诱导Voronoi区域，将智能体效用定义为效用密度在该区域上的积分，并利用雷诺输运定理推导效用梯度，在足球双队示例中验证了方法，计算时间比有限差分法减少约一个数量级。
Comments Under review at IEEE Control Systems Letters (L-CSS)
MedEasy：为临床咨询培训设计AI标准化患者
专题命中 多智能体 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)
AI总结 提出多智能体系统MedEasy，通过患者对话、临床操作、决策提交、文档记录和反馈组织虚拟患者练习，基于形成性研究设计分阶段工作流，评估表明学习者将其视为连贯的咨询环境。
MODE-RAG: 基于流形异常诊断和能量的检索增强生成评估
机构 * School of Computer Science & Tech, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of AI and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出MODE-RAG多智能体系统，利用变分自由能和内部注意力状态动态门控干预，结合蒙特卡洛树搜索和logit扰动减少多模态检索增强生成中的幻觉和逻辑捏造。
Comments To be presented at ACL 2026
NeuroClaw 技术报告
机构 * Electronic Engineering Department, The Chinese University of Hong Kong, China（香港中文大学电子工程系） ； School of Electronic Information, Northwest University, China（西北大学电子信息学院） ； Department of Computer Science, Emory University, Atlanta, GA, USA（埃默里大学计算机科学系） ； Computer Science and Engineering, Lehigh University, Bethlehem, PA, USA（莱斯利大学计算机科学与工程系） ； Department of Radiology, Massachusetts General Hospital, Boston, MA, USA（麻省总医院放射科） ； Kempner Institute for Natural and Artificial Intelligence, Harvard University, Cambridge, MA, USA（哈佛大学自然与人工智能研究所）
专题命中 多智能体 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)
AI总结 针对神经影像学中多模态数据、长流程和可重复性挑战，提出NeuroClaw多智能体研究助手，通过数据驱动决策、环境管理和三层技能架构实现可执行可复现的神经影像分析，并在NeuroBench基准上显著优于直接调用智能体。
面向多样化类人团队协作与通信的算法化提示生成与大型语言模型
机构 * Thomas Lord Department of Computer Science, University of Southern California（美国南加州大学汤姆·劳德计算机科学系） ； School of Computing and Information, University of Pittsburgh（美国匹兹堡大学计算与信息学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Sibley School of Mechanical and Aerospace Engineering, Cornell University（康奈尔大学西伯利机械与航空航天工程学院）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 结合质量多样性优化与LLM代理，自动搜索生成多样化团队行为的提示，捕获人类协作与通信策略，并通过用户研究验证其类人性。
一种面向策略逻辑的策略综合的神经符号方法
机构 * University of Naples Federico II（那不勒斯费德里科二世大学） ； LTCI, Télécom Paris, Institut Polytechnique de Paris（LTCI，巴黎电信学院，巴黎理工学院） ； Università degli Studi di Salerno（萨勒诺大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出一种神经符号框架，将大语言模型作为策略生成预言机，结合模型检查器进行形式验证，在NatATL中实现高精度策略综合。
面向LLM游戏智能体的环境驱动自动提示优化
机构 * Lamarr institute for ML and AI（拉马尔机器学习与人工智能研究所） ； TU Dortmund University（多特蒙德工业大学） ； Leibniz University Hannover（莱布尼茨汉诺威大学） ； L3S Research Center（L3S研究中心）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 提出一种自动提示优化框架，将观察-动作管道分解为描述器和选择器，通过环境回报驱动的进化循环迭代优化提示，在BabyAI任务中显著提升成功率。
平均场薛定谔桥的广义Sinkhorn算法
机构 * Department of Aerospace Engineering, Iowa State University（爱荷华州立大学航空航天工程系） ； School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院航空航天工程学院）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 针对平均场薛定谔桥问题，提出广义Hopf-Cole变换并设计Sinkhorn型递归算法求解积分-偏微分方程组，在弱假设下证明收敛性，数值实验验证有效性。
大型语言模型的隐性协调
机构 * Department of Computer Science, Bar-Ilan University（巴伊兰大学计算机科学系） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Institute for Decentralized AI (IDAI)（去中心化人工智能研究所）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 研究大型语言模型在多智能体无通信协调中的焦点涌现能力，通过博弈和搜救任务评估，发现模型在多数场景匹配或超越人类，但在数值常识和文化显著性任务中失败，并提出无学习策略改善协调。
Comments Code: https://github.com/EmanueleLM/focal-points
智能熵原理与ADE稳定性工程框架
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 针对LLM驱动的多智能体系统从实验室到生产环境时出现的非线性退化，提出智能熵原理，构建ADE四层框架，通过Lyapunov分析给出稳定条件，实验验证将通道断裂率降至近0%，系统死亡概率低于0.02%。
Comments 32 pages, 18 figures
一种用于随机旅行时间下机场行李处理任务团队组建与路径优化的分支-定价-割-切换方法
专题命中 多智能体 ：planning(abstract)
AI总结 针对随机旅行时间下的机场行李处理任务，提出分支-定价-割-切换算法，动态切换主问题公式，利用精确分离秩1 Chvátal-Gomory割和任务完成时间分支规则，显著优于现有方法。
Lean4Agent：面向智能体工作流与轨迹的形式化建模与验证
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Independent researcher（独立研究者）
专题命中 工作流自动化 ：agent(title,abstract)；workflow(title,abstract)；agentic(abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 提出Lean4Agent框架，利用依赖类型形式语言Lean4对智能体工作流进行形式化建模与验证，通过FormalAgentLib库和LeanEvolve方法提升工作流可靠性，实验验证通过的工作流性能平均提升11.94%。
蓝图优先，模型其次：确定性LLM工作流框架
机构 * Alibaba（阿里巴巴）
专题命中 工作流自动化 ：workflow(title,abstract)；agent(abstract,abstract_cn)；autonomous agent(abstract)；planning(abstract)
AI总结 提出“蓝图优先，模型其次”框架，通过将工作流逻辑解耦为源代码蓝图并由确定性引擎执行，LLM仅处理子任务，在TravelPlanner上最终通过率提升97.6%，约束违反减少96.0%。
Comments 12 pages, 7 figures, 6 tables
看见不等于筛查：针对智能体技能扫描仪的多模态隐藏指令攻击
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Chongqing University, China（重庆大学） ； Northeastern University, China（东北大学） ； University of Chinese Academy of Sciences, China（中国科学院大学） ； Beihang University, China（北航大学）
专题命中 工作流自动化 ：agent(title,abstract)；workflow(abstract)
AI总结 针对现有技能扫描仪忽视图像中恶意指令的盲点，提出SkillCamo多模态攻击将指令隐藏于图像，并设计ExecScan执行级扫描模块，通过意图提取、行为重建等检测隐藏指令，实验证明其有效性。
Mind Companion: 一种用于基于过程心理治疗的具身对话代理
专题命中 工作流自动化 ：agent(title,abstract)；planning(abstract)
AI总结 提出Mind Companion，一种基于大语言模型的具身对话代理，通过多层级心理分析与过程治疗原则，实时分析客户陈述并生成回应，评估显示GPT-5.2在多个维度上优于人类治疗师。
Journal ref 2026 IEEE 14th International Conference on Healthcare Informatics (ICHI), Minneapolis, MN, June 1-3, 2026, pp. 980-989
SkillJect：有效自动化基于技能的提示注入以针对具备技能的代理
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Chongqing University, China（重庆大学） ； Northeastern University, China（东北大学） ； Sun Yat-sen University, China（中山大学） ； University of Oxford, UK（牛津大学）
专题命中 工作流自动化 ：agent(abstract)；tool use(abstract)；workflow(abstract)；multi-agent(abstract)
AI总结 SkillJect 是首个自动化生成有效中毒技能的框架，通过隐藏恶意负载和重写指令通道，提升攻击效果，揭示可重用技能生态中的持久性攻击向量。
PseudoBench: 衡量自主研究如何助长伪科学
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Xi’an Jiao Tong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 工作流自动化 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 提出PseudoBench基准，通过200个伪科学声明-证据对评估AI代理识别和抵制伪科学的能力，发现当前系统极易生成有说服力的伪科学报告，拒绝率接近零。
Comments 26 pages, 21 figures
基于基础模型编排工作流的代理辅助行人保护设计
机构 * Honda Motor Co., Ltd.（本田汽车有限公司）
专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.AI
AI总结 提出首个基础模型编排的碰撞安全设计工作流，集成代理模型、多目标进化搜索、几何生成器和自然语言接口，将行人保护评估时间从数小时降至秒级。
Journal ref ICLR 2026 Workshop The 2nd Workshop on Foundation Models for Science
中国司法判决中法律论证结构的标注与可视化指南
机构 * Law School, Nanjing University（南京大学法学院）
专题命中 工作流自动化 ：workflow(abstract,comments)；分类 cs.AI、cs.CL
AI总结 提出一个系统化、可操作的标注框架，用于表示司法判决中的法律论证结构，支持大规模司法推理分析和法律论证挖掘。
Comments This Guideline has been developed through revision and refinement based on the first edition. The element label system has been adjusted, and the annotation granularity and annotation workflow have been further optimized
教育中的LLM作为评判者：基于课程标准的评分流水线
机构 * NSW Department of Education（新南威尔士州教育部） ； South Australian Department for Education（南澳大利亚州教育部） ； OC Selective exam preparation platform（OC精英考试备考平台） ； Studitory: HSC preparation platform（Studitory: HSC备考平台）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.SE
AI总结 提出一种基于课程标准的可配置LLM评判流水线，用于高利害考试评分，通过整合授权课程工件和评分指南，提高评分一致性、透明度和与官方实践的契合度。
地理临界点早期预警的时空因果网络诊断
机构 * Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application（江苏省地理信息资源开发与应用协同创新中心） ； National Center for Applied Mathematics, Tianjin University（天津大学国家应用数学中心）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 提出时空因果网络诊断（ST-CND）框架，通过构建数据驱动的有向因果网络，结合局部恢复率估计和脆弱子网识别，解决地理临界点早期预警中的空间稀释、欧氏假设和相关噪声问题，在AMOC任务上AUROC达0.783。
超声心动图视频标准视图分类的时空融合模型
机构 * Department of Ultrasound, The First Affiliated Hospital of Chengdu Medical College, School of Clinical Medicine, Chengdu Medical College（成都医学院第一附属医院超声科，临床医学院） ； College of Computer Science, Sichuan University（四川大学计算机学院） ； Department of Medical Ultrasound, West China Hospital of Sichuan University（四川大学华西医院超声科） ； Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院肿瘤医院）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 针对超声心动图视图分类中数据稀缺、时空特征难以融合的问题，提出基于不确定性感知的CNN-LSTM双流融合模型，在最大公开数据集EV9V上取得竞争性能。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈